Master Machine Learning Algorithms Finally Pull Back The Curtain And See How They Work With Clear Descriptions, Step-By-Step Tutorials and Working Examples in Spreadsheets by Jason Brownlee 10 top algorithms described. 12 step-by-step tutorials, 163 pages. 16 spreadsheets with working algorithms. 你必须了解算法才能在机器学习中取得好成绩（并被公认为优秀）。 在这个巨型电子书是写在友好的机器学习掌握风格，你习惯了，最后切入数学，并了解机器学习算法是如何工作的，然后从零开始，一步一步地实现它们。

针对部分可观测马氏决策过程(POMDP) 中, 由于感知混淆现象的存在, 利用Sarsa 等算法得到的无记忆策 略可能发生振荡的现象, 研究了一种基于记忆的强化学习算法——CPnSarsa (K) 学习算法来解决该问题. 它通过重新 定义状态,A gent 结合观测历史来识别混淆状态. 将CPnSarsa (K) 算法应用到一些典型的POMDP, 最后得到的是最 优或近似最优策略. 与以往算法相比, 该算法的收敛速度有了很大提高.

从维数简约出发，阐明了流形学习的产生、作用及基础知识，详细分析了经典的流行学习算法，并用于图像处理测试了效果

2020年的算法实习岗位信息表，部分包括内推码，和常见深度学习算法岗面试题及答案，暑期计算机视觉实习面经和总结

BF神经网络学习算法的研究 共50页 摘要 本文研究了RBF神经网络的各种学习算法。在总结概述前人工作优缺点的基 础上本文分析了三种优良的学习算法。与现存的学习算法相比在具有良好性 能的前提下本文的算法可以产生更紧凑的网络结构。 本文首先回顾RBF神经网络的网络结构及其基本的学习过程。第二章详细 介绍了径向基函数与插值、RBF网络模型和RBF网络的逼近性能。第三章对现阶 段流行的各种RBF神经网络学习算法作了概述给出了正交最小二乘法(OLS)、 递阶遗传训练算法(HGA)和粒子群优化(PSO)算法三种学习算法的详细训练过程。 在第三章的结尾还给出了这三种学习算法的优缺点分析。第四章设计了仿真实 验对基于RBF神经网络的判别模型和其他基于距离的判别模型做了相互比较 仿真结果表明了RBF神经网络的有效性。第五章总结了本文的工作并对RBF 神经网络研究方向做了展望。

如今，生成的数据量非常庞大。 物联网传感器连续生成非结构化数据，并将这些非结构化数据转换为结构化形式，以便从中提取知识。 生成的数据可用于其他类型的分析，例如可用于将来预测分析的预测数据。 对于许多组织而言，对如此庞大的数据执行分析变得非常困难。 在本文中，将机​​器学习算法（例如SVM，KNN，逻辑回归，线性回归和决策树）应用于此类数据，然后将其转换为结构化形式，有助于将来进行预测，并比较每种算法的准确性。

僵尸网络是由受感染的设备组成的网络，这些设备由恶意的“僵尸网络管理员”控制，以执行各种任务，例如执行DoS攻击，发送垃圾邮件和获取个人数据等。僵尸网络管理员在与僵尸网络通信时生成网络流量，分析网络用于检测僵尸网络流量的流量可能是入侵检测系统的一项有前途的功能。 尽管这样的系统已经应用了各种机器学习技术，但是尚未弄清机器算法，包括它们在僵尸网络检测中的集成。 在这项研究中，不仅评估了三种最流行的分类机器学习算法（朴素贝叶斯，决策树和神经网络），而且还测试了用于增强分类器的集成方法，以查看它们是否确实提供了对僵尸网络检测的增强预测。 该评估是使用CTU-13公共数据集进行的，测量每个分类器的训练时间及其F量度和MCC得分。

BJ参数推荐系统 这是一个基于 BP-NN 学习算法构建的 matlab 应用程序。 它可以为粘合剂喷射（一种3D打印机）机器推荐最佳构建参数。 ##介绍你知道3D打印机吗？你用过吗？ 您可能知道在打印之前应该设置很多参数。 它有时很厚，因为参数总是影响最终产品的特性。 此应用程序可帮助用户选择最佳设置参数。 ＃＃这个怎么运作？ 我在这台3D打印机上做了很多实验，总结出4个关键参数。

PSO算法就是模拟一群鸟寻找食物的过程，每个鸟就是PSO中的粒子，也就是我们需要求解问题的可能解，这些鸟在寻找食物的过程中，不停改变自己在空中飞行的位置与速度。大家也可以观察一下，鸟群在寻找食物的过程中，开始鸟群比较分散，逐渐这些鸟就会聚成一群，这个群忽高忽低、忽左忽右，直到最后找到食物。这个过程我们转化为一个数学问题。

Heart_Failure_Prediction 数据集： 该数据集已从UCI数据存储库中获取。 目的 ： 开发强大的混合机器学习算法来预测患者的心力衰竭，以便患者可以跟踪自己的心脏状况并采取正确的预防措施。 要阅读完整的笔记本以及所有图形，请下载文件。 问题描述 创建模型以预测患者因心力衰竭死亡的可能性。 这是一个二进制分类问题，因为目标类（死亡事件）由两个类True或False组成 功能说明 年龄：患者年龄（以年为单位） 贫血：红细胞或血红蛋白减少 高血压：如果患者患有高血压 肌酐磷酸激酶：血液中CPK酶的水平（mcg / L） 糖尿病：如果患者患有糖尿病 射血分数：每次收缩时离开心脏的血液百分比 性别：女人或男人 血小板：血液中的血小板（千血小板/ mL） 血清肌酐：血液中的肌酐水平（mg / dL） 血清钠：血液中的钠水平（mEq / L） 吸烟：如果患者吸烟 时间